INFOKAM Nomor II / Th. XI/Sept / 15
106
MENENTUKAN PRIORITAS PENILAIAN MICROTEACHING INSTRUKTUR KURSUS MENGGUNAKAN SIMPLE ADDITIVE
WEIGHTING
(STUDI KASUS LPK ALFABANK SEMARANG) Sugeng Murdowo Dosen AMIK JTC Semarang ABSTRAK Dalam melakukan seleksi instruktur di LPK Alfabank semua calon instruktur harus melalui salah satu tes yaitu Micro teaching yang diharapkan dapat mengetahui kemampuan calon instruktur dalam melakukan proses belajar mengajar untuk peserta kursus. Simple Additive Weighting merupakan salah satu metode yang dapat digunakan untuk menentukan skala prioritas dalam memilih calon instruktur yang berkualitas. Dengan menggunakan Simple Additive Weighting dapat dengan mudah melihat skala prioritas dari hasil penilaian tersebut. Kata Kunci : Microteaching, Simple Additive Weigthing
1. PENDAHULUAN
Analisis keputusan menggunakan Multiple-Criteria Decision Making (MCDM) dalam pengambilan keputusan menggunakan komputasi untuk mendukung evaluasi subjektif dari jumlah terbatas keputusan alternatif (Behzadian dkk, 2011). Dalam melakukan evaluasi penggabungan penilaian subjektif dan objektif yang tidak mempertimbangkan tingkat kepentingan ataupun solusi ideal dapat menggunakan model Simple Additive Weighting (SAW) (Chou dkk, 2008). Menentukan pemilihan pegawai sesuai dengan kemampuannya bisa menggunakan metode SAW untuk menghasilkan suatu keputusan yang terbaik (Afsari dkk., 2010). Dari beberapa penelitian yang sudah dilakukan sebelumnya maka metode Simple Additive Weighting dapat menjadi alternatif lain dalam menentukan skala prioritas dalam proses penilaian seleksi Micro teaching di Lembaga Pendidikan Alfabank Semarang untuk melakukan seleksi instruktur. Penelitian mengacu pada penelitian sebelumnya yang menggunakan Fuzzy dan Cannavaciulo dalam melakukan penilaian Micro teaching calon instruktur (Murdowo, 2013).
2. KERANGKA TEORI 2.1. Sistem Pendukung Keputusan Sistem pendukung keputusan dilakukan mulai dari mengidentifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai dengan melakukan evaluasi pemilihan dalam suatu proses pengambilan keputusan (Asfi dan Sari, 2010).
2.2.
Micro Teaching
Micro Teaching merupakan metode pembelajaran
atas dasar performa yang tekniknya dilakukan dengan cara melatihkan komponen-komponen kompetensi dasar mengajar teaching skill) dalam proses pembelajaran yang disederhanakan ditinjau dari aspek kompetensi mengajar, penguasaan materi, pengelolaan peserta didik, maupun mengelola waktu (Eded Tarmedi, 2005).
2.3.
Skala Likert
Skala Likert digunakan untuk mengukur sikap, pendapat dan presepsi seseorang atau sekelompok tentang kejadian atau gejala sosial (Riduwan, 2012). Contoh penggunaan skala Likert sebagai berikut :
107
INFOKAM Nomor II / Th. XI/ Sept /15
Sangat Memuaskan Memuaskan Cukup Kurang Sangat Kurang
2.4.
(SM) (M) (C) (K) (SK)
=5 =4 =3 =2 =1
Simple Additive Weighting
Dikenal sebagai metode penjumlahan terbobot, konsep dasarnya adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Kusumadewi dkk, 2006). Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matrik keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Adapun langkah penyelesaian dalam menggunakannya adalah: 1) Menentukan alternatif, yaitu Ai. 2) Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj. 3) Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria. 4) Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria. W=[W1,W2,W3,âŚ,Wj] (2) 5) Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria. 6) Membuat matrik keputusan (X) yang dibentuk dari tabel rating kecocokan dari setiap J alternatif pada setiap kriteria. Nilai X setiap alternatif (A i) pada setiap kriteria (Cj) yang sudah ditentukan, dimana, i=1, 2,âŚm dan j=1, 2,âŚn. đ11 đ12 ⯠đ1đ . ⯠. ] đ = [ .. (3) . ⯠. đđ1 đđ2 ⯠đđđ 7) Melakukan normalisasi matrik keputusan dengan cara menghitung nilai rating kinerja ternomalisasi (rij) dari alternatif Ai pada kriteria Cj. đ
đđ=
đ
đđ=
đđđ đđđĽđ đđđ đđđđ đđđ đđđ
Jika j adalah atribut keuntungan
(4)
Jika J adalah atribut biaya
(5)
Dimana : rij = ranting kinerja ternormalisasi Xij = nilai atribut yang dimiliki setiap kriteria Maxi Xij = nilai terbesar setiap kriteria Mini Xij = nilai terkecil setiap kriteria Benefit = jika nilai terbesar terbaik Cost = Jika nilai terkecil terbaik rij adalah ranting kinerja ternormalisasi dari alternatif A i pada atribut Cj ; i = 1,2,.....,m dan j = 1,2,.......n. Nilai preferensi untuk setiap alternatif (V i) diberikan sebagai : đđ = âđđ=1 đ¤đ đđđ (6) Dimana : Vi = ranjing untuk setiap alternatif wj = nilai bobot untuk asing-masing kriteria Xij = nilai ranting kinerja ternormalisasi Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
3. METODE PENELITIAN Metode penelitian yang dilakukan melalui tahapan sebagai berikut : 1) Menentukan standar penilaian microteaching 2) Menentukan kriteria dan alternatif untuk perhitungan SAW. 3) Lakukan pernilaian terhadap peserta Micro teaching 4) Lakukan perhitungan menggunakan Simple Additive Weighting
INFOKAM Nomor II / Th. XI/Sept / 15
108
4. PEMBAHASAN 4.1. Seleksi Administratif Memilih calon instruktur sesuai dengan kualifikasi pendidikan, kemampuan, pengalaman kerja dan kompetensi yang dimiliki calon instruktur.
4.2.
Penilaian
Penilaian ditentukan dari beberapa kriteria yang sudah ditentukan. Dengan standar penilaian menggunakan skala likert, yaitu Sangat Memuaskan (SM) dengan nilai 5, Memuaskan (M) dengan nilai 4, Cukup (C) dengan nilai 3, Kurang (K) dengan nilai 2, dan Sangat Kurang (SK) dengan nilai 1.
4.3.
Kriteria Penilaian Tabel 1 : Kriteria penilaian Kode
Kriteria
Ketentuan
C1
Pendahuluan
Seorang calon instruktur dapat menyajikan tiga unsur yaitu diskripsi singkat, relevansi atau manfaat dan tujuan instruksional.
C2
Penyajian Materi
Seorang calon instruktur dapat menyajikan materi yang mengandung uraian, contoh, latihan dan rangkuman.
C3
Pemberian Contoh
Seorang calon instruktur dapat menyajikan contoh yang relevan dengan konsep yang dijelaskan
C4
Penggunaan Media
Seorang calon instruktur dapat menggunakan media pembelajaran yang sesuai dengan pokok bahasan.
C5
Mengaktifkan Peserta
Seorang calon instruktur dapat mengaktifkan peserta didik untuk sibuk baik fisik dan mental dengan materi yang diberikan
C6
Memotivasi Peserta
Seorang calon instruktur dapat memberikan motivasi peserta didik untuk mencapai nilai maksimal dengan memberi pujian dan dorongan.
C7
Penguasaan Ruangan
Seorang calon instruktur dapat memanfaatkan ruang yang ada secara maksimal dan merata di seluruh ruaangan dalam proses belajar mengajar.
C8
Penggunaan Waktu
Seorang calon instruktur dapat membagi waktu pendahuluan 5%, penyajian 80% dan penutup 15%.
C9
Evaluasi
Seorang calon instruktur dapat menyelenggarakan evaluasi dengan baik dimana peserta didik mampu mengerjakan secara mandiri
C10
Penutup
Seorang calon instruktur dapat melakukan penutupan dan penyimpulan yang mengandung umpan balik terhadap peserta didik untuk kegiatan lanjutan
Sumber : Akademik LPK Alfabank Semarang
109
4.4.
INFOKAM Nomor II / Th. XI/ Sept /15
Hasil Penilaian Tabel 2 : Hasil Penilaian Microteaching
No
Nama
C1
C2
C3
C4
C5
C6
C7
C8
C9
C10
1
Syafei
5
5
4
5
4
3
4
5
4
5
2
Novita Arum
5
4
4
5
3
5
4
5
4
5
3
Hanif
5
4
4
5
3
3
4
5
3
5
4
Faiz
5
5
4
5
4
3
4
5
4
5
4.5.
Membuat Tabel Alternatif Dan Pilihan Tabel 3 : Tabel Alternatif dan Criteria
Alternatif
C1
C2
C3
C4
C5
C6
C7
C8
C9
C10
A1
5
5
4
5
4
3
4
5
4
5
A2
5
4
4
5
3
5
4
5
4
5
A3
5
4
4
5
3
3
4
5
3
5
A4
5
5
4
5
4
3
4
5
4
5
4.6.
Membuat Matrik Keputusan Dari Sejumlah Alternatif 5 5 đ
=[ 5 5
4.7.
5 4 4 5
4 4 4 4
5 5 5 5
4 3 3 4
3 5 3 3
4 4 4 4
5 5 5 5
4 4 3 4
5 5 ] 5 5
Melakukan Proses Normalisasi Matriks Rij: đ
11 =
5 5 = =1 max(5; 5; 5; 5) 5
đ
12 =
5 5 = =1 max(5; 5; 5; 5) 5
đ
21 =
5 5 = =1 max(5; 4; 4; 5) 5
đ
22 =
4 4 = = 0,8 max(5; 4; 4; 5) 5
Tabel 4 . Hasil Perhitungan Normalisasi Matriks Alternatif
C1
C2
C3
C4
C5
C6
C7
C8
C9
C10
A1
1
1
1
1
1
0,6
1
1
1
1
A2
1
0,8
1
1
0,75
1
1
1
1
1
A3
1
0,8
1
1
0,75
0,6
1
1
0,75
1
A4
1
1
1
1
1
0,6
1
1
1
1
INFOKAM Nomor II / Th. XI/Sept / 15
4.8.
Membentuk Matriks Ternormalisasi Sebagai Berikut : 1 1 đ
=[ 1 1
4.9.
110
Perangkingan
1,0 0,8 0,8 1,0
1 1 1 1
1 1 1 1
1.00 0,75 0,75 1,00
Menggunakan
0,6 1,0 0,6 1,0
1 1 1 1
Nilai
1 1 1 1
1,00 1,00 0,75 1,00
1 1 ] 1 1
Bobot
Hasil
Pengambil
Keputusan, Dimana para pengambil keputusan menentukan nilai bobot untuk kriteria adalah sebagai berikut : Tabel 5 . Tabel Nilai Bobot Kriteria
Kode
Kriteria
Nilai Bobot
C1
Pendahuluan
1
C2
Penyajian Materi
4
C3
Pemberian Contoh
3
C4
Penggunaan Media
1
C5
Mengaktifkan Peserta
2
C6
Memotivasi Peserta
2
C7
Penguasaan Ruangan
1
C8
Penggunaan Waktu
2
C9
Evaluasi
3
C10
Penutup
1
Maka nilai bobot adalah : W = [ 1 4 3 1 2 2 1 2 3 1 ] A1 = = A2 = = A3 = *1 = A4 = =
1*1+ 19.2 1*1+ 18.7 1*1+ 17.15 1*1+ 19.2
1 * 4 + 1 * 3 + 1 * 1 + 1 * 2 + 0.6 * 2 + 1 * 1 + 1 * 2 + 1 * 3 + 1 * 1 0.8 * 4 + 1 * 3 + 1 * 1 + 0.75 * 2 + 1 * 2 + 1 * 1 + 1 * 2 + 1 * 3 + 1 * 1 0.8 * 4 + 1 * 3 + 1 * 1 + 0.75 * 2 + 0.6 * 2 + 1 * 1 + 1 * 2 + 0.75 * 3 + 1 1 * 4 + 1 * 3 + 1 * 1 + 1 * 2 + 0.6 * 2 + 1 * 1 + 1 * 2 + 1 * 3 + 1 * 1
111
INFOKAM Nomor II / Th. XI/ Sept /15
4.10. Hasil akhir perangkingan Tabel 6 : Hasil Akhir Perangkinan No
Nama
Skor Akhir
1
Syafei
19.2
2
Novita Arum
18.7
3
Hanif
17.15
4
Faiz
19.2
Dari hasil perhitungan dapat dilihat prioritas penilaian untuk seleksi instruktur adalah Syafei dan Faiz yang memiliki score nilai yang sama yaitu 19.2
5. KESIMPULAN
Dengan menggunakan Simple Additive Weighting dapat memberikan skala prioritas hasil penilaian yang sesuai dengan kriteria dan bobot yang telah ditentukan. Sehingga dapat terlihat oleh calon instruktur yang memenuhi kriteria penilaian sesuai dengan kompetensinya yang menjadi prioritas utama untuk diterima.
Daftar Pustaka Afsari, A., Mojahed, M. dan Yusuff, R.M., 2010, Simple Additive Weighting (SAW) Approach to Personel Selection Problem, International Journal of Inovasion, Management and Technologi, Vol 1, pp 511 â 515 Asfi, M dan Sari, P., R., 2010, Sistem Penunjang Keputusan Seleksi Mahasiswa Berprestasi Menggunakan Metode AHP, Jurnal Informatika, Vol.6, No.2, Desember 2010: 131 - 144 Behzadian, M., Otaghsara, S.K., Yazdani, M., dan Ignatius, J., 2012, A state-of the-art survey of TOPSIS applications, Journal of Expert System With Aplication Volume 39 pp 13051â13069 Chou, S.Y., Wang, H.Pin., dan Lu, Y.Y., 2008, A fuzzy simple additive weighting system under group decision-making for facility location selection with objective/subjective attributes, European Journal of Operational Research 189 pp 132â145 Eded Tarmedi, 2005. Mengenal Pembelajaran Mikro (Micro Teaching), Modul Pelatihan Dosen Pengampu Pengajaran Mikro, Universitas Negeri Yogyakarta tanggal 25-26 November 2005 Kusumadewi, Sri, Hartati,Sri, Harjoko Agus dan Wardoyo Retyanto, 2006, Fuzzy Multi-Attribute Decision Making (Fuzzy MADM), Yogyakarta : Graha Ilmu Murdowo, S., 2013, Pendekatan Model Cannavacciulo dengan Fuzzy Set Theory untuk penilaian microteaching instruktur kursus, Jurnal Infokam, Nomor II/Th.IX/September 2013, pp 52 â 60. Riduwan, 2012, Belajar Mudah Penelitian Untuk Guru, Karyawan, dan Peneliti Pemula, Penerbit Alfabeta, Bandung
